基于Bayes决策的组合中值滤波

针对图象滤波中的滤噪和细节保护的矛盾，提出了基于Ｂａｙｅｓ决策的组合中值滤波技术，内容有：（１）导出了测试向量的联合分布密度函数；（２）提出了先验概率的一种估计算法，该算法有一定的普遍应用意义；（３）基于Ｂａｙｅｓ决策，将标准中值滤波器（ＭＦ）和多级中值滤波器（ＭＬＭ）组合应用，给出一种效果优良的组合中值滤波器结构。     

基于小波变换的图像去噪方法

针对图像中存在的高斯噪声、椒盐噪声和二者混合噪声,提出了一种基于小波变换的图像去噪方法。为进一步提高图像去噪质量,采用Bayes Shrink和中值滤波相结合的方法,对其的不同去噪顺序进行实验,并与中值滤波、Bayes Shrink方法相比较。实验结果表明,先进行Bayes Shrink再进行中值滤波的方法要优于其他方法,去噪效果较好。在图像去噪处理中该种方法具有实际应用价值。     

基于邻域统计的图像消噪方法

中值滤波是一种在去除噪声的同时能较好保护图像边缘细节的非线性滤波技术。介绍了中值滤波及其改进算法、分析了中值滤波的属性、提出了一种基于邻域统计和奇异点检测的中值滤波器的改进算法。计算机模拟实验结果表明:该改进算法能在有效地去除噪声的同时,较好地保护图像细节,较标准中值滤波器和维纳滤波器具有更优良的滤波性能。     

基于方向信息测度的自适应多级中值滤波器

针对图像滤噪中滤除噪声和保护细节(边缘)的矛盾,本文提出一种新的基于方向信息测度的自适应多级中值滤波器。方向性是边缘和噪声的本质区别之一,通过基于方向信息测度所构造的自适应结构,决定中值滤波器的形式和滤波窗口尺寸的大小,而不需要图像和噪声的先验知识。文章比较了标准中值滤波器、单向多级中值滤波器、双向多级中值滤波器和本文方法的结果。实验表明本文方法具有更好的效果。     

基于颜色分量单独噪声检测的混合中值滤波器

为了进一步提高开关型矢量中值滤波器滤除脉冲噪声尤其是细微噪声的能力,提出了一种基于颜色分量单独噪声检测的开关型标量和矢量混合中值滤波器(SVHMF)。与其它经典矢量滤波器相比,SVHMF最大的不同在于它是根据对像素点各个颜色单独进行噪声检测的结果,采用与之相适应的标量和矢量混和滤波方法。新滤波器可以最大限度地保护彩色图像图像像素中未被噪声干扰的颜色分量数据,从而可以进一步提高滤波效果。实验数据表明:SVHMF的滤波效果明显优于其它各类在彩色图像降噪中得到广泛应用的矢量中值滤波器。     

基于高斯混合概率假设密度的运动参数估计组合平滑滤波算法

针对高斯混合概率假设密度(GM-PHD)滤波器在目标速度未知或不准确时,目标状态估计性能较差,该文提出一种基于GM-PHD的运动参数估计组合平滑滤波算法。该算法通过目标状态提取速度信息,经过中值平滑和线性平滑组合处理提升速度估计准确性,然后将速度反馈给GM-PHD滤波器的状态转移方程,提高状态预测精度。仿真结果表明,目标速度未知或不准确时,所提算法能够明显改善GM-PHD滤波器状态估计性能。     

基于局部自适应中值滤波的红外背景抑制方法

介绍了利用中值滤波进行背景预测和背景抑制的基本原理,分析了局部中值滤波和局部最大中值滤波器处理图像的特点.根据这些特点,设计了一种能充分利用两种滤波器优越性的局部自适应中值滤波器.实验证明,利用这种滤波方法进行背景抑制具有处理速度快,滤波效果好的特点.     

光纤陀螺组合的信号频谱分析与滤波技术研究

对某惯导系统中使用的三轴向光纤陀螺(FOG)组合的输出信号做了基于FFT的频谱分析,设计并实现了中值滤波I、IR数字滤波器滤波、小波滤波三种不同方法对该信号的噪声滤除,分别给出了滤波后陀螺输出信号的幅频特性图。通过对试验数据的分析,肯定了三种方法在FOG组和输出信号滤波处理中的有效性,并分析了各自的优缺点。     

一种具有频率选择特性的加权伪中值滤波算法

相对于中值滤波而言,伪中值滤波具有计算快速等特点.通过引入负加权系数并使滤波窗口大小无奇偶限制,该文将原有的伪中值滤波扩展为具有负系数的加权伪中值滤波.基于Mallows样本选择概率理论,由FIR滤波器的脉冲响应来获得伪中值滤波器加权系数,使其具有和FIR滤波器一样的频率选择特性.仿真结果表明,本文提出的滤波方法在赋予了伪中值滤波频率选择特性的基础上,减小了计算量,保持了中值滤波所具有的优点,并且能够去除信号中高频的周期性干扰噪声.     

中值滤波器作用于放大图像时的定点问题

本文结合图像放大技术,讨论了中值滤波器的定点问题,提出了５条在图像放大中应用中值滤波器的定理。指出中值滤波与邻域像素交换法结合使用效果较好：十字形滤波窗值得优先考虑。     

一种基于Shearlet变换域改进自适应中值滤波算法

为了有效滤除图像中大量存在的脉冲噪声,提出了一种基于Shearlet变换域改进自适应中值滤波方法。首先在对Shearlet变换进行深入分析的基础上,给出了Shearlet分解和重构基本步骤;然后实现对含噪图像进行多尺度Shearlet变换,对获得多个尺度下的分解系数采用从噪声检测、噪声滤波等环节改进的自适应中值滤波算法(IAMF)进行噪声抑制;最后实现滤波后分解系数重构。分别与经典中值滤波(MF)、自适应中值滤波(AMF)以及Shearlet变换域阈值法进行比较,实验结果表明,该滤波算法滤波性能较好。     

Image Restoration by Lifting‐Based Wavelet Domain E‐Median Filter

In this paper, we propose a method of applying a lifting‐based wavelet domain e‐median filter (LBWDEMF) for image restoration. LBWDEMF helps in reducing the number of computations. An e‐median filter is a type of modified median filter that processes each pixel of the output of a standard median filter in a binary manner, keeping the output of the median filter unchanged or replacing it with the original pixel value. Binary decision‐making is controlled by comparing the absolute difference of the median filter output and the original image to a preset threshold. In addition, the advantage of LBWDEMF is that probabilities of encountering root images are spread over sub‐band images, and therefore the e‐median filter is unlikely to encounter root images at an early stage of iterations and generates a better result as iteration increases. The proposed method transforms an image into the wavelet domain using lifting‐based wavelet filters, then applies an e‐median filter in the wavelet domain, transforms the result into the spatial domain, and finally goes through one spatial domain e‐median filter to produce the final restored image. Moreover, in order to validate the effectiveness of the proposed method we compare the result obtained using the proposed method to those using a spatial domain median filter (SDMF), spatial domain e‐median filter (SDEMF), and wavelet thresholding method. Experimental results show that the proposed method is superior to SDMF, SDEMF, and wavelet thresholding in terms of image restoration.     

基于提升小波变换和中值滤波的图像去噪方法研究

针对实际拍摄的背景复杂、目标对比度和信噪比低的图像,在综合考滤图像去噪平滑效果、图像清晰程度和时间复杂度的基础上,提出一种基于提升小波变换和中值滤波的图像去噪方法.首先对含噪图像进行提升小波分解,再在图像高频部分进行中值滤波以改善图像的消噪效果,最后采用信噪比(SNR)与均方根误差(RMSE)和图像灰度曲面图作为图像去噪效果的评估,将提升小波变换和中值滤波相结合的图像去噪方法与小波去噪、小波与中值滤波结合消噪等进行对比实验.实验结果表明,该方法既能消除图像噪声又能达到保持其图像边缘要求,且时间度较低.     

多级非线性加权平均中值滤波改进算法

介绍了中值滤波的概念和几种改进的中值滤波算法，在几种改进算法的基础上提出了新的中值滤波改进算法。依据以上几种算法进行了仿真试验和图像视觉上的比较，并进行了数字图像的峰值信噪比（PSNR），归一化均方误差（NMSE）和归一化平均绝对误差（NMAE）的几种定量指标的比较。实验结果和几种定量指标比较结果表明，该算法能有效地滤除图像中的椒盐噪声，还能使图像保持很好的清晰度，明显优于几种改进的中值滤波算法。     

Adaptive median filters: new algorithms and results

Based on two types of image models corrupted by impulse noise, we propose two new algorithms for adaptive median filters. They have variable window size for removal of impulses while preserving sharpness. The first one, called the ranked-order based adaptive median filter (RAMF), is based on a test for the presence of impulses in the center pixel itself followed by a test for the presence of residual impulses in the median filter output. The second one, called the impulse size based adaptive median filter (SAMF), is based on the detection of the size of the impulse noise. It is shown that the RAMF is superior to the nonlinear mean L(p) filter in removing positive and negative impulses while simultaneously preserving sharpness; the SAMF is superior to Lin's (1988) adaptive scheme because it is simpler with better performance in removing the high density impulsive noise as well as nonimpulsive noise and in preserving the fine details. Simulations on standard images confirm that these algorithms are superior to standard median filters.     

结合NSST和快速非局部均值滤波的刀具图像去噪

为消除基于图像处理的刀具磨损检测中的图像噪声,提出了结合非下采样Shearlet变换(Non-subsampled Shearlet Transform, NSST)和快速非局部均值(Fast Non-local Means, FNLM)滤波的图像去噪方法。首先,利用基于决策的非对称剪切中值(Decision Based Un-symmetric Trimmed Median, DBUTM)方法滤除图像中的椒盐噪声;然后,对图像进行NSST多尺度分解,得到一个低频子带和一系列高频子带;最后,分别使用FNLM滤波和各向异性扩散模型调整低频和高频子带系数,并由调整后的各子带系数重构出噪声滤除后的图像。实验结果表明,与基于小波的阈值收缩方法、基于Contourlet的全变差模型结合各向异性扩散方法、基于NSST和标准非局部均值滤波方法相比,本文方法在主观视觉去噪效果、峰值信噪比、结构相似度以及处理速度等4个方面性能更优。      

高炮校射中弹目图像的滤波方法研究

运用基于数字图像处理技术进行高炮武器系统射击诸元校正工作中,针对弹丸与目标的图像在获取和传输过程中会受到来自电气系统和外界的干扰而产生一定的噪声信号,需要首先对图像进行预处理,滤除噪声信号这一问题,在综合分析目前典型地滤波方法的基础上,提出了采用自适应中值滤波算法进行弹目图像预处理,制定了具体的滤波算法工作流程,并通过滤波算法的仿真效果对比,证明了自适应中值滤波算法能够有效地滤除图像中的噪声,是一种快速有效的弹目图像预处理方法。     

红外图像目标识别的预处理技术研究

红外图像目标识别系统,由图像预处理、特征提取及模式分类组成,红外图像目标识别的图像预处理包括滤波降噪、图像增强、图像分割等。滤波降噪有邻域平均、中值等滤波方法,图像增强可通过微分、Butterworth高通滤波和形态学高低帽变换完成,图像分割采用阈值分割技术和形态学方法实现。综合比较各种处理方法,采用中值滤波进行降噪、高低帽变换进行图像增强、阈值分割与形态学处理结合进行图像分割,较好地实现了红外图像目标识别的预处理。